[發明專利]基于行駛大數據的PHEV的智能能量管理方法和存儲介質

在審

• 申請號: 202110001963.3
• 申請日: 2021-01-04
• 公開（公告）號: CN112668799A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 李玉芳;董雪峰;王曉晨;趙少安
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G07C5/08;G06N3/04;G06N3/08;G06N7/00;G06K9/62
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 張芳

1.一種基于行駛大數據的PHEV的智能能量管理方法，其特征在于，包括以下步驟，

獲取車輛歷史行駛數據，經處理后得到車速特征參數和道路特征參數；

建立長時車速預測模型；獲取實時的道路特征參數，進行長時車速預測，得到第一預測結果，利用所述第一預測結果進行行車能耗預測，輸出預測功率、行車能量消耗、動力電池可用電能量，確定插電式混合動力汽車動力系統工作模式；

建立短時車速預測模型；獲取實時的車速特征參數，進行短時車速預測，得到第二預測結果，利用所述第二預測結果進行模型預測控制，對發動機和電機功率進行瞬時優化；行駛過程中相隔固定時間更新所述全局能量消耗的規劃。

2.根據權利要求1所述的智能能量管理方法，其特征在于，所述獲取車輛歷史行駛數據，經處理后得到車速特征參數和道路特征參數具體為，利用車載定位系統和車輛行駛狀態傳感器獲取車輛歷史行駛數據，包括位置信息和車輛行駛信息，所述車輛行駛信息包括交通狀態、車速和車距；所述車速特征參數包括加速比例和減速比例，所述道路特征參數包括單次行駛里程、道路類型、道路限速、交通擁擠程度、平均車距和紅綠燈平均間距。

3.根據權利要求2所述的智能能量管理方法，其特征在于，所述建立長時車速預測模型具體為，采用LSTM神經網絡建立長時車速預測模型，所述長時車速預測模型包括輸入門、遺忘門和輸出門，所述輸入門控制所述道路特征參數輸入，所述遺忘門控制歷史狀態信息的保留，所述輸出門用于輸出長時間車速預測序列。

4.根據權利要求1所述的智能能量管理方法，其特征在于，利用第一預測結果進行行車能耗預測的輸出還包括加速度特征比例修正項：其中v是車速；dv/dt是線加速度；T是加減速特征比例。

5.根據權利要求1所述的智能能量管理方法，其特征在于，所述動力電池可用電能量E_m＝f(D,SOC,T)，其中D為道路工況，SOC為電池荷電狀態，T為電池溫度。

6.根據權利要求1所述的智能能量管理方法，其特征在于，所述建立短時車速預測模型具體為，將行駛工況類型劃分為平穩工況和激烈工況，在平穩工況下使用馬爾科夫鏈模型預測車速，在激烈工況下使用BP神經網絡模型預測車速。

7.根據權利要求1所述的智能能量管理方法，其特征在于，所述混合動力汽車動力系統工作模式包括純電模式、純發動機模式、混合驅動模式和行車充電模式。

8.根據權利要求1所述的智能能量管理方法，其特征在于，所述發動機和電機功率的瞬時優化具體為，將整個行駛工況下的能量全局最優控制轉化成預測區域內的局部優化控制，通過不斷的滾動優化更新下一時間域的運行狀態或控制參數從而獲得優化結果，將全局優化的高魯棒性與瞬時優化的實時性結合以達到整車能量的優化管理。

9.一種計算機可讀的存儲介質，其特征在于，所述計算機可讀的存儲介質中存儲有計算機程序，其中，所述計算機程序被設置為運行時執行所述權利要求1至8任一項中所述的方法。